综合研究:不同粒度的上下文信息如何影响对话状态跟踪?
计算与语言
2021-06-01 v2
摘要
对话状态跟踪(DST)在任务型对话系统中起着监控用户目标的关键作用。一般而言,跟踪对话状态有两种策略:从零预测和基于先前状态更新。基于零的策略通过查询全部对话历史获得每个槽值,而基于先前的策略依赖当前轮对话来更新先前的对话状态。然而,基于零的策略由于噪声难以正确跟踪短依赖对话状态;同时,基于先前的策略对长依赖对话状态跟踪不太有用。显然,不同粒度的上下文信息在跟踪不同类型对话状态时起着不同作用。因此,本文中我们将研究并讨论不同粒度的上下文信息如何影响对话状态跟踪。首先,我们探究不同粒度对对话状态跟踪的影响程度。然后,我们进一步讨论如何结合多种粒度进行对话状态跟踪。最后,我们将关于上下文粒度的发现应用于少样本学习场景。此外,我们已公开发布所有代码。
引用
@article{arxiv.2105.03571,
title = {Comprehensive Study: How the Context Information of Different Granularity Affects Dialogue State Tracking?},
author = {Puhai Yang and Heyan Huang and Xian-Ling Mao},
journal= {arXiv preprint arXiv:2105.03571},
year = {2021}
}
备注
Accepted as long paper at main conference of ACL 2021